Avancerad organisationsförändring för företagsinnovation

Grundades 1876, Dai Nippon Printing Co., Ltd. (DNP) är ett av världens största tryckerier, med över 37 000 anställda över hela världen. DNP har en portfölj bestående av allt från smart kommunikation och hälso- och sjukvård till elektronik, och följer sitt motto att ”Skapa standarder för framtiden” samt åtar sig att sammanlänka människor och samhälle samtidigt som de eftersträvar hållbarhet.

Som en del av detta åtagande har DNP under lång tid använt sig av ny teknik. I april 2023 fattade företaget det strategiska beslutet att använd AI i hela sin organisation. I maj hade DNP skapat en säker användningsmiljö för hela företaget. I februari 2025 lanserade företaget ChatGPT Enterprise i tio viktiga avdelningar. Efter tre månader såg de bland annat följande resultat:

• 90 % av användningsfallen med ChatGPT Enterprise gav mätbara resultat
• 100 % frekvens av aktiv veckovis användning
• 87 % automatiseringstakt för minskad tidsåtgång
• 70 % återanvändning av kunskapskällor (anpassade GPT:er)
• 10 gångers ökning av bearbetad volym

För att fullt ut dra fördel av generativ AI riktade DNP in sig på de tio avdelningar som hade högst potential att påverkas positivt. Företaget etablerade tydliga riktmärken: varje anställd skulle använda ChatGPT minst 100 gånger i veckan, och över 50 % automatiseringstakt för minskad tidsåtgång för uppgifter.

Som ett resultat av detta blev individuella teammedlemmar allt bättre på att använda anpassade GPT:er och delade med sig av användningsfall, vilket gav form åt viktiga mönster som nu ligger till grund för förändringen av vårt företag.

I avdelningar där ChatGPT Enterprise användes noterades störst effekt i avdelningen för ICT-forskning och -utveckling. Yohei Ishida, General Manager of P&I Innovation Research and Development Unit, Advanced Business Center, ledde sitt team under automatiseringen som förbättrade strategierna för forskning och ansökningar om patent, så att manuella uppgifter blev överflödiga.

Hans team skapade följande arbetsflöden med ChatGPT Enterprise:

• Patentforskning: automatiserade sökning, sammanfattning och klassificering, minskade forskningstiden med 95 % och uppnådde 10 gångers utökning av täckningen
• Ansökningsstrategi: identifierade viktiga skillnader mellan DNP:s teknik och konkurrenternas patent, vilket minskade avslagsrisken och minimerade antalet revisioner
• Konkurrensanalys: genererade första utkast till rapporter automatiskt, vilket minskade tiden för förberedelse med 80 %

Med en bättre IP-strategi stärker DNP grunderna för produkternas unika egenskaper och långsiktiga konkurrenskraft.

DNP:s forskningsavdelning arbetar på framsteg inom produktionsteknik vad gäller QCD (kvalitet, kostnad, leverans) för att höja värdet på befintliga produkter och tjänster, samt utvecklar nya produkter och tjänster. På områden som kräver avancerad analytiska och bedömningsrelaterade tekniker har DNP tack vare ChatGPT Enterprise i betydande grad kunnat dra ner på den tid som traditionellt krävs för uppgifter som drift av experimentell utrustning vid materialutvärdering, mätningar och analys.

Nedan är några viktiga resultat:

• Strukturerade information från engelska patent och utrustningsprinciper på tre dagar, något so tidigare tog flera månader
• Möjliggjorde för anställda utan tidigare erfarenhet av Python att generera och köra kod via ChatGPT Enterprise

Ett anmärkningsvärt användningsfall var en anställd som saknade all tidigare erfarenhet av Python, men ändå lyckades generera kod och analysera data utan utbildningskostnad. Utvecklingsarbete som traditionellt tar över ett år kunde genomföras på bara några dagar. Genom att kombinera dessa funktioner med forskarnas expertis och kunskap erhölls nya insikter, vilket skapade betydande effekter inom hela avdelningen.

DNP moderniserar IT-styrning med ChatGPT Enterprise. Masahiro Kobayashi, General Manager of System Infrastructure Development Division, ICT Center, Information Innovation Operations, lyfte fram förbättringar när det gällde uppgifter som tidigare var manuella och inkonsekventa:

• Extern säkerhetsgranskning: Minskade tidsåtgången för granskningsjämförelse från 30 minuter till 5 minuter; minskade tidsåtgången för val av kryptografisk svit från 3 timmar till 1 timme
• Molnsäkerhet: Slutförde initial kontroll av ~100 icke-kompatibla CIS-riktmärkesobjekt på 10 minuter istället för två persondagar
• Granskningsstöd: Förkortade kravgranskningar från 1 timme till 30 minuter genom att hänvisa till designpolicyer och tidigare dokumentation

Han tillägger att AI inte kommer att ersätta mänskliga överblick: ”Verifiering och den slutliga kontrollen förblir människors ansvar.”

En av DNP:s största utmaningar är förlust av kunskap. Expertisen finns ofta i huvudet på erfarna anställda, eller dold i analoga dokument.

Under ledarskap av Isaku Osawa, General Manager of Technology Development at the Advanced Business Center’s AI Business Development Unit, använder DNP nu AI för att ta itu med det här problemet direkt.

Hans team använder ChatGPT Enterprise för att strukturera och digitalisera icke-strukturerade data, allt från pappersmanualer till historiska kvalitetsloggar. När dessa dokument väl har matats in blir de en del av de interna kunskapskällor som alla kan komma åt via anpassade GPT:er. Den tid som krävs för att definiera dataarkitekturen minskades med 90 %. Teamet fördubblade även antalet tekniska artiklar som de kunde granska.

”Vårt mål är att förvandla generationer av kunskap till digitalt arbete”, säger Osawa. Det skiftet väger inte bara upp bristen på arbetskraft utan bygger även upp kapacitet för innovation på lång sikt.

• 90 % av användningsfallen gav mätbara resultat
• 100 % frekvens av aktiv veckovis användning
• 95 % minskning av tiden för patentefterforskning
• 87 % automatiseringsgrad vid minskning av tidsåtgång för uppgifter
• 10 gångers ökning av bearbetad volym

”AI-agenter smälter sömlöst in i olika situationer och gör att alla kan dra fördel av AI utan att ens vara medvetna om det”, säger Otake. Han tänker sig ett skifte från samarbete mellan människor och AI till ett tillstånd där delar av verksamheten drivs av interaktioner mellan AI och AI. I takt med robotteknikens framsteg kommer denna trend att påskyndas, vilket leder mot en framtid där fysisk AI arbetar i den verkliga världen.

Otake understryker att kunskapsbevaring kommer att vara avgörande i framtiden: ”Vi måste konvertera information som skapats för människor till information som AI kan förstå och säkerställa att kunskap bevaras och delas. Vårt mål är att förbättra produktiviteten medan vi förbereder oss på en allt mindre arbetsstyrka.” Målet är att kodifiera avancerad praktisk kunskap och kvalitetsdokumentation i form av strukturerade data så att AI-agenter och framtida fysisk AI kan lära sig och tillämpa dem. Detta kommer att göra oss mindre beroende av individuell expertis och innebära en långvarig fördel gentemot konkurrenterna.

I enlighet med sin företagsslogan att ”Skapa standarder för framtiden” försöker DNP att bygga vidare på sina styrkor inom tryckeri och IT samt omvandla sig självt till ett AI-baserat företag som genererar nya standarder för samhället.